深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 32801 篇文献，本页显示第 26981 - 27000 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26981 | 2024-09-01 |
Voxel level dense prediction of acute stroke territory in DWI using deep learning segmentation models and image enhancement strategies
2024-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01582-8
PMID:38727961
|
研究论文 | 本研究旨在通过设计多类分割任务，利用深度学习分割模型和图像增强策略在DWI图像中构建急性中风区域分类器模型 | 采用体素级密集预测结合偏场校正和空间配准，提高了模型的性能 | NA | 构建一个在DWI图像中识别急性中风区域的分类器模型 | 急性前或后缺血性中风患者的DWI图像 | 计算机视觉 | 中风 | 深度学习 | U-Net | 图像 | 218名患者 | NA | NA | NA | NA |
| 26982 | 2024-09-01 |
Feasibility study on the clinical application of CT-based synthetic brain T1-weighted MRI: comparison with conventional T1-weighted MRI
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10534-1
PMID:38175218
|
研究论文 | 本研究旨在探讨基于CT的合成脑T1加权磁共振成像（MRI）与传统T1加权MRI在脑形态定量评估中的等效性 | 利用深度学习模型从CT数据生成合成T1加权成像（sT1WI），并评估其与传统T1加权MRI的等效性 | 研究中存在一些由于放射科医生测量差异导致的较差的协议 | 研究基于CT的合成T1加权MRI与传统T1加权MRI在脑形态定量评估中的等效性 | 35名接受脑部磁共振成像（MRI）和CT扫描的成年患者 | 计算机视觉 | NA | 深度学习模型 | 深度学习模型 | 图像 | 35名成年患者 | NA | NA | NA | NA |
| 26983 | 2024-09-01 |
Artificial intelligence in immunotherapy PET/SPECT imaging
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10637-3
PMID:38355986
|
综述 | 本文通过综述探讨了人工智能在PET/SPECT引导的免疫治疗患者管理中的应用 | 人工智能应用于PET/SPECT成像，主要用于预测免疫治疗患者的预后或肿瘤表型，这是基于治疗前基线图像构建的 | 需要进一步在大规模、前瞻性、多中心队列中验证模型，才能实现真正的临床应用 | 研究人工智能在PET/SPECT引导的免疫治疗中的作用，以识别可能获得持久临床益处或可能出现不可接受副作用的患者 | 免疫治疗患者及其PET/SPECT成像特征 | 计算机视觉 | 肺癌 | PET/SPECT成像 | 深度学习 | 图像 | 中位数（四分位数范围）样本量为63（157），主要关注肺癌、淋巴瘤和黑色素瘤 | NA | NA | NA | NA |
| 26984 | 2024-09-01 |
Learning CT-free attenuation-corrected total-body PET images through deep learning
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10647-1
PMID:38355987
|
研究论文 | 本研究利用深度学习技术生成无需CT的衰减校正全身PET图像，以减少PET成像中的电离辐射问题 | 本研究首次尝试通过深度学习生成无需CT的衰减校正全身PET图像，减少了对患者的辐射风险 | 未来工作需要在更多临床实践中验证该方法在全身PET/CT系统中的应用 | 开发一种无需CT的衰减校正方法，以减少全身PET/CT成像中的电离辐射 | 全身PET图像的衰减校正 | 机器学习 | NA | Cycle-GAN | 生成对抗网络 | 图像 | 122名受试者（29名女性和93名男性） | NA | NA | NA | NA |
| 26985 | 2024-09-01 |
Deep learning for automatic bowel-obstruction identification on abdominal CT
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10657-z
PMID:38388719
|
research paper | 本文旨在开发一种机器学习模型，用于自动识别腹部CT扫描中的疑似肠梗阻 | 开发了一种3D混合卷积神经网络，用于自动二分类（肠梗阻是/否）腹部CT扫描 | NA | 帮助放射科医生管理大量工作负载，从而实现更早的诊断和更好的患者治疗效果 | 腹部CT扫描中的疑似肠梗阻 | machine learning | NA | CT | 3D mixed convolutional neural network | image | 内部数据集包含1345个腹部CT扫描，外部数据集包含88个放射科医生注释的CT扫描 | NA | NA | NA | NA |
| 26986 | 2024-09-01 |
Artificial Intelligence in Military Medicine
2024-Aug-30, Military medicine
IF:1.2Q2
DOI:10.1093/milmed/usae359
PMID:39028176
|
研究论文 | 本文探讨了人工智能在军事医学中的应用及其潜力和挑战 | 文章介绍了美国军事部门在军事医学中实施的几项人工智能倡议，包括预测部队行为和预测部队自杀率的模型 | 尽管人工智能在军事医学中有巨大潜力，但其固有的风险和局限性需要仔细考虑和讨论 | 旨在揭示人工智能在军事医学中的应用，并推动其在军事健康和整体作战准备中的有效利用 | 人工智能在军事医学中的应用，包括临床效率支持、大规模战斗操作的分类和临床护理算法等 | 机器学习 | NA | 深度学习 | 生成式AI | 数据集 | NA | NA | NA | NA | NA |
| 26987 | 2024-09-01 |
Deep learning with uncertainty estimation for automatic tumor segmentation in PET/CT of head and neck cancers: impact of model complexity, image processing and augmentation
2024-Aug-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad6dcd
PMID:39127060
|
研究论文 | 本文评估了使用卷积神经网络（CNN）自动分割头颈部癌症PET/CT图像的方法，以提高分割质量和评估不确定性。 | 采用蒙特卡洛 dropout 技术量化和可视化自动轮廓的不确定性，并探讨了图像预处理、图像增强、迁移学习和CNN复杂性对模型性能和跨中心泛化能力的影响。 | 自动轮廓可能产生不现实的轮廓或遗漏相关结构，且模型不确定性主要与假阳性、假阴性体素及低Dice系数相关。 | 提高头颈部癌症PET/CT图像自动分割的质量和评估其不确定性。 | 头颈部鳞状细胞癌患者的PET/CT图像。 | 计算机视觉 | 头颈部癌症 | 卷积神经网络（CNN） | CNN | 图像 | 两个患者队列，来自两个中心的基线F-氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像（FDG-PET/CT）。 | NA | NA | NA | NA |
| 26988 | 2024-09-01 |
Enhancing substance identification by Raman spectroscopy using deep neural convolutional networks with an attention mechanism
2024-Aug-29, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay00602j
PMID:39140306
|
研究论文 | 本研究利用带有注意力机制的深度神经卷积网络改进拉曼光谱对危险化学物质的识别 | 引入基于ResNet架构的深度神经卷积网络和SE模块注意力机制，有效结合拉曼光谱的强度和位移特征，显著提升模型性能 | 研究主要关注小样本条件下的分类预测性能，未详细讨论大规模数据集的应用情况 | 提高拉曼光谱在有限数据情况下对危险化学物质的识别能力，并探索其在移动设备上的应用潜力 | 474种危险化学物质的拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | 59,468个光谱数据 | NA | NA | NA | NA |
| 26989 | 2024-09-01 |
Predicting and screening high-performance polyimide membranes using negative correlation based deep ensemble methods
2024-Aug-29, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay01160k
PMID:39145470
|
research paper | 本研究利用基于负相关集成技术的深度学习方法预测和筛选高性能聚酰亚胺膜，提出了一种基于负相关深度集成方法的深度神经网络模型（DNN-NCL），用于预测聚酰亚胺结构的气体渗透性和选择性。 | 本研究提出的DNN-NCL模型在测试集上达到了约0.95的值，比近期模型性能提高了4%，并有效缓解了过拟合问题。 | NA | 探索利用深度学习方法在庞大的化学空间中寻找高性能气体分离膜的可行性。 | 聚酰亚胺膜的气体渗透性和选择性。 | machine learning | NA | 深度学习 | 深度神经网络（DNN） | 分子指纹 | 超过800万个假设聚合物 | NA | NA | NA | NA |
| 26990 | 2024-09-01 |
Correction: YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition
2024-Aug-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01410-5
PMID:39198729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 26991 | 2024-09-01 |
Prediction of mutation-induced protein stability changes based on the geometric representations learned by a self-supervised method
2024-Aug-28, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05876-6
PMID:39198740
|
研究论文 | 本文介绍了一种基于自监督学习方法的几何表示来预测突变引起的蛋白质稳定性变化的深度学习框架mutDDG-SSM | mutDDG-SSM框架包括一个基于图注意力网络的蛋白质结构特征提取器和一个基于极端梯度提升模型的稳定性变化预测器，有效缓解了过拟合问题 | NA | 预测蛋白质结构-功能关系中的突变引起的蛋白质稳定性变化，对蛋白质工程和药物设计具有重要意义 | 突变引起的蛋白质稳定性变化 | 机器学习 | NA | 自监督学习 | 图注意力网络，极端梯度提升模型 | 蛋白质结构 | 使用了大规模高分辨率的蛋白质结构数据集进行训练和测试 | NA | NA | NA | NA |
| 26992 | 2024-09-01 |
Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review
2024-Aug-28, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-024-02310-6
PMID:39198744
|
综述 | 本研究通过系统综述方法，探讨了临床结构化数据集中处理缺失值的最合适插补方法 | 本研究构建了一个证据地图，根据缺失值的机制、模式和比例以及各种插补策略，推荐了适用于处理表格数据集中缺失值的合适插补方法 | NA | 旨在为临床数据预处理阶段选择最合适的插补方法提供指导 | 临床结构化数据集中的缺失值处理方法 | NA | NA | 插补技术 | NA | 表格数据 | 分析了58篇文章 | NA | NA | NA | NA |
| 26993 | 2024-09-01 |
Meta-analysis of the effectiveness of early endoscopic treatment of Acute biliary pancreatitis based on lightweight deep learning model
2024-Aug-28, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-024-03361-1
PMID:39198766
|
meta-分析 | 本研究通过meta-分析评估早期内镜治疗急性胆源性胰腺炎的有效性，基于轻量级深度学习模型 | 采用轻量级深度学习模型进行分析，提供了新的技术手段 | 研究仅包括了8篇文章，可能存在样本量不足的问题 | 评估早期内镜逆行胰胆管造影（ERCP）治疗急性胆源性胰腺炎的安全性和有效性 | 急性胆源性胰腺炎患者 | NA | 急性胆源性胰腺炎 | NA | 轻量级深度学习模型 | NA | 8篇文章，共8,801名患者 | NA | NA | NA | NA |
| 26994 | 2024-09-01 |
COVID-19 severity detection using chest X-ray segmentation and deep learning
2024-08-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70801-z
PMID:39191941
|
研究论文 | 本文介绍了一种使用胸部X光图像分割和深度学习框架进行COVID-19分类和严重程度预测的方法 | 采用U-Net进行肺部分割，精度达到0.9924，并使用卷积胶囊网络进行分类，以及ResNet50、VGG-16和DenseNet201进行严重程度评估，其中DenseNet201显示出更高的准确性 | NA | 提高COVID-19的早期检测和严重程度评估，以改善临床环境中的患者管理和资源分配 | COVID-19的分类和严重程度预测 | 计算机视觉 | COVID-19 | 深度学习 | U-Net, Convulation-capsule network, ResNet50, VGG-16, DenseNet201 | 图像 | NA | NA | NA | NA | NA |
| 26995 | 2024-09-01 |
Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data
2024-Aug-26, Signal transduction and targeted therapy
IF:40.8Q1
DOI:10.1038/s41392-024-01932-y
PMID:39183247
|
研究论文 | 本研究利用多模态数据预测HER2阳性胃癌患者对单一抗HER2治疗或联合免疫治疗的反应 | 引入了一种名为MuMo的深度学习模型，该模型整合了影像学、病理学和临床信息，以提高治疗反应预测的准确性 | 研究未提及具体的模型局限性或数据集的潜在偏差 | 旨在通过综合分析方法准确预测HER2阳性胃癌患者对抗HER2治疗或联合免疫治疗的反应 | HER2阳性胃癌患者 | 机器学习 | 胃癌 | 深度学习 | MuMo | 多模态数据 | 429名患者，其中310名接受抗HER2治疗，119名接受抗HER2联合抗PD-1/PD-L1抑制剂免疫治疗 | NA | NA | NA | NA |
| 26996 | 2024-09-01 |
Impact of Gold-Standard Label Errors on Evaluating Performance of Deep Learning Models in Diabetic Retinopathy Screening: Nationwide Real-World Validation Study
2024-Aug-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/52506
PMID:39141915
|
研究论文 | 本研究评估了自定义深度学习算法在分类糖尿病视网膜病变（DR）中的准确性，并展示了标签错误如何影响全国性DR筛查计划中的评估 | 研究揭示了人类图像分级中的标签错误对深度学习算法在实际DR筛查中性能评估的显著影响 | 研究仅限于分析全国性DR筛查计划中的眼底照片，可能未涵盖所有可能的标签错误情况 | 评估深度学习算法在糖尿病视网膜病变筛查中的准确性，并探讨标签错误对其性能评估的影响 | 糖尿病视网膜病变（DR）的分类及标签错误的识别与纠正 | 机器学习 | 糖尿病视网膜病变 | 深度学习 | 深度学习算法 | 图像 | 736,083张图像，来自237,824名参与者 | NA | NA | NA | NA |
| 26997 | 2024-09-01 |
Identification and Design of Novel Potential Antimicrobial Peptides Targeting Mycobacterial Protein Kinase PknB
2024-Aug, The protein journal
DOI:10.1007/s10930-024-10218-9
PMID:39014259
|
研究论文 | 本研究旨在通过分子对接和分子动力学模拟，设计针对结核杆菌蛋白激酶PknB的新型抗菌肽 | 研究揭示了除了肽链长度外，组成氨基酸的组合在肽类抑制剂生成中的重要作用 | 研究主要集中在体外分析，临床应用前需要进行细致的体内分析 | 确定一种能够有效抑制PknB的抗菌肽 | 5626种来自公共数据库的抗菌肽 | NA | 结核病 | 分子对接，分子动力学模拟，弹性网络模型 | NA | 肽序列 | 5626种抗菌肽，最终选择了5种进行进一步分析 | NA | NA | NA | NA |
| 26998 | 2024-09-01 |
Prediction of Endocrine-Disrupting Chemicals Related to Estrogen, Androgen, and Thyroid Hormone (EAT) Modalities Using Transcriptomics Data and Machine Learning
2024-Jul-26, Toxics
IF:3.9Q1
DOI:10.3390/toxics12080541
PMID:39195643
|
研究论文 | 本研究利用转录组数据和机器学习技术，开发了预测与雌激素、雄激素和甲状腺激素（EAT）模式相关的内分泌干扰化学物质（EDCs）的QGexAR模型 | 本研究通过整合多种特征选择方法和分类算法，包括CATBoost、XGBoost、随机森林、SVM、逻辑回归、AutoKeras、TPOT和深度学习模型，优化了预测协议，并实现了对EAT模式的预测 | NA | 开发用于快速检测有害化学物质的计算模型，以有效支持毒理学评估 | 预测化学物质对雌激素、雄激素和甲状腺激素模式的干扰倾向 | 机器学习 | NA | 机器学习 | 深度学习模型 | 转录组数据 | 使用LINCS数据库中的基因表达数据，测试了MCF7（乳腺癌细胞系）和A549（人肺泡基底上皮腺癌细胞系）两种细胞系 | NA | NA | NA | NA |
| 26999 | 2024-09-01 |
Proposal and validation of a new approach in tele-rehabilitation with 3D human posture estimation: a randomized controlled trial in older individuals with sarcopenia
2024-Jul-08, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-024-05188-7
PMID:38977995
|
随机对照试验 | 本研究通过随机对照试验，比较了基于深度学习的3D人体姿态估计技术的AI远程训练组与面对面传统训练组和一般远程训练组在老年肌少症患者中的训练效果 | 本研究首次验证了基于深度学习的3D人体姿态估计技术在远程康复训练中的应用效果 | 研究样本仅来自长春市的社区组织，可能限制了结果的普遍性 | 评估基于AI的远程训练方法与传统面对面训练方法在老年肌少症患者中的康复效果 | 60-75岁患有肌少症的老年人 | NA | 老年疾病 | 3D人体姿态估计技术 | 深度学习 | NA | 75名老年肌少症患者 | NA | NA | NA | NA |
| 27000 | 2024-09-01 |
Structure-aware deep learning model for peptide toxicity prediction
2024-Jul, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5076
PMID:39196703
|
研究论文 | 本文介绍了一种名为tAMPer的新型多模态深度学习模型，用于通过整合氨基酸序列组成和三维结构来预测肽的毒性 | tAMPer模型采用基于图的表示方法，结合图神经网络和循环神经网络，有效提取结构特征和序列依赖性，提高了预测性能 | NA | 加速抗菌肽的发现和开发，减少对繁琐毒性筛选实验的依赖 | 抗菌肽的毒性预测 | 机器学习 | NA | 深度学习 | 图神经网络, 循环神经网络 | 图, 序列 | 使用了公开的蛋白质毒性基准数据集和我们生成的抗菌肽溶血数据 | NA | NA | NA | NA |